基于深度学习的视频自闭症检测
计算机视觉与模式识别
2024-04-02 v2
摘要
自闭症谱系障碍 (ASD) 患者通常在健康、沟通和感觉处理方面面临挑战；因此，早期诊断对于适当的治疗和护理至关重要。在本工作中，我们考虑检测或分类 ASD 儿童的问题，以协助医疗专业人员进行早期诊断。我们开发了一种深度学习模型，用于分析儿童对感觉刺激反应的视频片段，旨在捕捉 ASD 与非 ASD 参与者在反应和行为上的关键差异。与许多最近使用 MRI 数据进行 ASD 分类的研究（需要昂贵的专用设备）不同，我们的方法利用功能强大但相对实惠的 GPU、标准计算机设置和网络摄像头进行推理。结果表明，我们的模型有效地泛化并理解了儿童不同运动中的关键差异。值得注意的是，尽管用于深度学习问题的数据量有限且可用于学习的时间信息有限（甚至存在运动伪影），我们的模型仍表现出成功的分类性能。
引用
@article{arxiv.2402.16774,
title = {Video-Based Autism Detection with Deep Learning},
author = {M. Serna-Aguilera and X. B. Nguyen and A. Singh and L. Rockers and S. Park and L. Neely and H. Seo and K. Luu},
journal= {arXiv preprint arXiv:2402.16774},
year = {2024}
}
备注
Poster Abstract. Accepted into 2024 IEEE Green Technologies Conference